每周 Signal

此前我们在《Agent 开始进入团队账本》中记录过：当 Agent 进入团队级使用，成本、质量、效率和收益也需要被算清楚。本周出现了一个更具体的问题：这本账应该按什么单位来记？JetBrains 的内部评测发现，Fable 5 虽然每 Token 更贵，但在部分复杂任务中通过率更高、执行步骤约少 22%，最终的单任务成本反而更低。

Agent 执行的已经不是一次模型调用，而是一段包含上下文读取、工具调用、代码修改、测试和失败恢复的过程。模型、Thinking Effort、上下文长度、缓存、工具输出和重试次数，都会改变最终成本。价格较低的模型如果需要更多步骤和人工介入，完成任务未必更便宜。

因此，企业对 Agent 的评估口径会逐渐从 Token 和 Credit，走向完成一个经过验证的任务需要多少成本。模型单价仍然重要，但更有意义的指标将是任务成功率、执行步骤、总耗时、验证结果和人工介入次数。只有把消耗和最终交付关联起来，才能判断哪一种 Agent 工作流真正划算。

这周出现了一组看起来相反的信号。AWS、Microsoft、Pydantic 都在把 Session、Context、Tool、Sandbox 等 Harness 能力做成通用组件；但 Steve Yegge 在复杂项目中的实践又显示，Agent 真正进入项目后，仍会出现大量与具体系统相关的规则和机制。

但这些“定制”未必都会长期存在。任务拆解、上下文检索、重试、Multi-Agent 协作，甚至部分验证策略，都可能随着通用 Agent 变强继续被吸收。真正无法仅靠模型升级自动获得的，是项目和组织自己的目标、事实、约束、完成标准和责任边界。未来真正需要沉淀的，可能不是更多 Harness 代码，而是让 Agent 能获取、理解并验证“什么才是对的”。

我们过去习惯用“模型能力”解释 Agent 的表现：任务完成得好，是因为模型更强；执行失败，则归因于模型能力不足。但本周多项实践都在说明，同一个模型放进不同的 Harness，可能会表现得像完全不同的 Agent。

OpenAI 在 ARC-AGI-3 实验中没有更换模型，只是保留推理过程，并调整长任务中的上下文压缩方式，得分就从 13.3% 提高到 38.3%，输出 Token 同时减少约六倍。SIGIL 将自然语言 Skill 编译成可执行 Harness 后，Agent 对规定步骤的执行率也从 56% 提高到 86%。Cursor 的实践则进一步表明，持续增加 Prompt 和 Skills 带来的改善有限，最终仍需要统一 CLI、进程托管和环境恢复机制。

这意味着，我们观察到的 Agent 能力，已经不能简单等同于模型能力。上下文如何组织、工具如何暴露、状态如何保留、结果如何验证，都会直接改变 Agent 的能力、成本与安全表现。

未来评价一个 Agent，不能只问它用了什么模型，还要看这个模型运行在什么样的 Harness 中。

AI Coding 正在快速降低代码的生成和修改成本，但代码变多，并不意味着系统更容易理解。当 Agent 持续添加分支、Fallback 和局部修复，代码库可能在保持可运行的同时，逐渐失去清晰的设计意图。

AI Coding 带来的下一种技术债，可能是“理解债”。未来真正稀缺的能力，不只是生成更多代码，而是让快速演化的系统仍然保持清晰边界、可解释结构，以及人类对关键决策的判断权。

这周，GitHub 开始让 Code Review Agent 读取仓库中的 AGENTS.md、Skills 和 Review 指令，并为其配置独立的运行环境与网络权限；Google 把 Prompt、规则和 Skill 变成可校验、可编译的构建产物；Microsoft 则开始内置由专家维护的 Agent Skills，并使用隔离环境对其进行回归评测。

这些变化指向同一个方向：决定 Agent 如何工作的 Prompt、Skills、规则、规范、运行环境和 Eval，正在进入版本库、构建系统、测试框架、权限控制与观测机制。Agent 的工作方式由此变得可以评审、复现、验证和持续改进。

当工程对象从一段 Prompt 扩展到 Skills、规则、运行环境和 Eval，一种更系统的实践正在形成。我们或许可以把它称为 Agent Behavior Engineering——Agent 行为工程：系统地定义、测试和治理 Agent 在真实任务中的行为。

过去，模型与 Agent 的关系相对单向：模型先被训练出来，Agent 产品再把它接入代码仓库、终端、浏览器和测试环境。模型负责理解与推理，Harness 负责组织上下文、调用工具和验证结果。

这周三条信息说明，这段关系开始发生变化。Cursor 与 SpaceXAI 联合训练 Grok 4.5 时，使用了包含开发者—Agent 交互、Agent 使用代码库和工具过程的 Cursor 数据；OpenAI 将程序化工具调用和并行子 Agent 放进 GPT-5.6 的模型接口；NVIDIA 则根据 Nemotron 3 Ultra 的具体失败轨迹，调整 Prompt、工具描述和 Middleware。

这些变化指向同一个方向：Agent 的真实工作负载开始反向进入模型。工具调用、失败恢复、人工纠正和验证过程，不再只存在于模型外部的 Harness，也开始影响模型训练和接口设计。另一边，同一套 Harness 也不能默认适配所有模型，需要根据模型行为持续调整。

一句话说：模型与 Agent 系统正在从分层组装走向共同优化，Agent 开始塑造模型。

过去我们讨论 AI Coding，更多是在比较哪个模型更强、哪个 Agent 更好用。但当 Copilot 接入更多模型，Claude 的可用性受到区域和合规影响，Vercel AI Gateway 继续强调模型路由、成本控制、可观测和 fallback，问题开始从“选哪个工具”变成“怎么管一组 AI 能力”——从“选工具”，走向“管能力”。

这意味着，AI 在软件工程里不再只是一个工具，而是一组需要被调度的能力。哪些模型能用，哪些 Agent 能跑，谁能访问私有代码，一次任务最多花多少钱，失败时切到哪里，结果如何进入 Review 和审计，都会变成研发系统要回答的问题。

一句话说：AI Coding 的下一阶段，不是每个人都选一个喜欢的工具，而是研发系统能统一调度一组 AI 能力。

本周值得关注的，不是 Coding Agent 又多会写代码，而是它开始被接进真实研发系统。

过去，开发者更多是在 IDE、CLI 或云端任务界面里主动唤起 Agent；现在，Jira 里的需求单、Notion 里的文档和讨论、Slack 里的线程、GitHub 里的 PR 与 Review，正在变成 Agent 接任务、读上下文、执行修改和交付结果的入口。

这背后的变化是：Coding Agent 不再只是一个开发工具，而是开始进入研发链路里的需求、协作、执行、验证和度量环节。

一句话说：Coding Agent 的下一阶段，不是生成更多代码，而是进入真实研发系统，成为任务执行的一部分。

Agent 正在从工具入口，变成组织系统里的行动者。

当 Agent 只是帮开发者补一段代码、解释一个问题时，它更像一个助手。但当它开始访问 GitHub、Slack、Linear、云端环境和企业知识库，开始提交 PR、触发流程、调用工具、消耗预算、留下产物时，它就不能再只是一个 prompt 驱动的工具。

这周多个产品变化都指向同一个方向：Agent 开始进入组织已有的权限、凭证、审批、日志、成本和责任体系。它以谁的身份访问系统？能拿到什么凭证？哪些动作需要人确认？执行过程如何记录？产物最后算谁的？运行成本归到哪里？

这些问题听起来不像模型能力，但会决定 Agent 能不能真正进入真实研发组织。

过去一段时间，AI Coding 的重点是让 Agent 能完成任务；接下来，更关键的是让 Agent 能被组织稳定地使用和管理。Agent 越能行动，越需要边界。AI Coding 的下一阶段，不只是更强的 Agent，而是能被授权、被审计、被归因、被纳入工作流的 Agent。

本周几个更新放在一起看，一个更具体的变化开始出现：Coding Agent 不再只是执行一次任务，而是开始留下可追踪、可恢复、可接管的工作现场。

OpenAI 收购 Ona，是给 Codex 补安全、持久的云端执行环境；AWS Bedrock AgentCore 也在强调，Agent 不应该依赖开发者本机，而是需要独立 workspace、shell、权限和观测能力。(OpenAI) GitHub Copilot Chat 开始能查看 Agent session logs，Linear 让 Claude Code 和 Codex 直接从 issue、comment、Slack thread 里开启 coding session；Cursor Auto-review 则在执行过程中判断动作风险。(The GitHub Blog)

这些变化说明，AI Coding 的竞争点正在从“能不能生成代码”，继续走向“能不能把 Agent 的工作过程组织起来”。一次真实研发任务，不只是几轮 Chat。它需要上下文、执行环境、过程记录、验证证据，也需要人在中途介入或事后接管。

未来 Coding Agent 的关键，可能不只是更会写代码，而是能不能留下一个人类可以理解、审查和继续推进的 Session。

这周有几条新闻放在一起看，挺有意思：Uber 被曝几个月就用完了全年 AI coding 预算，随后开始给员工和各类 agentic coding tool 设置使用上限；Microsoft 也被曝开始取消大部分内部 Claude Code licenses，把开发者往 GitHub Copilot CLI 迁移。

这些新闻不一定说明 AI Coding 不划算，但至少说明一件事：当 Agent 从个人尝鲜进入团队级使用，问题就不再只是“好不好用”，而是“谁在用、用了多少、花了多少钱、产出了什么、是否值得继续投入”。

Cursor 这周调整 Teams Pricing，也是在同一个方向上。它为 Teams 引入更明确的 usage pool、Premium seat、实时用量可见性和 spend controls，本质上是在回答团队使用 Agent 后的成本管理问题。

Microsoft Foundry 这周则从平台侧给出另一种答案：Trace、Evaluate、Monitor、Optimize，把 Agent 的运行过程、质量评估、成本收益和持续优化放进同一个 Agent DevOps loop。

这个变化值得记录：Agent 正在从“工具能力”变成“生产资源”。只要它是生产资源，就需要进入团队账本。

未来 AI Coding 的竞争，不只是谁的 Agent 更会写代码，也是谁能把 Agent 的成本、质量、效率和收益算清楚。

这周 GitHub Copilot usage metrics API 新增了 ai_adoption_phase，把用户按 Copilot 使用方式分成 Code first、Agent first、Multi-agent。

这个变化值得记录：平台已经不再只统计“有没有用 AI”，而是开始区分开发者到底停留在代码生成阶段，还是已经让 Agent 进入任务执行、多入口协作的阶段。

这里说的代码采纳率，不只是早期 Copilot 的补全采纳率，而是更宽泛的一类代码层指标：AI 生成代码占比、出码率、代码被接受和保留的比例。这些指标仍然重要，但它们只能说明 AI 参与了编码过程，不一定说明研发流程真的被改变了。

类似的变化也出现在 Cursor 的客户案例里。Faire 使用 Cursor Cloud Agents 后，官方强调的是 weekly PR throughput 翻倍、每周 2000+ 次 automated agent runs，而不是单纯强调生成了多少代码。

这说明 AI Coding 的评价口径正在变化：过去更多看“AI 写了多少代码”，下一阶段会越来越看“AI 承接了多少真实研发工作”。真正进入企业研发流程后，更关键的指标会是任务承接率、PR 吞吐、返工轮次、验证通过率，以及人工介入次数。

AI Coding 的核心问题，正在从“能不能写代码”，转向“能不能稳定参与研发流程”。

过去讨论 AI Coding，很多注意力还放在“AI 能不能写出第一版代码”。

但本周 GitHub 和 Cursor 的几个更新放在一起看，一个更具体的方向开始出现：Agent 正在进入代码生成之后的返工环节。

GitHub Copilot cloud agent 已经可以在 GitHub Actions 失败后，一键介入，分析失败原因、推送修复，并在完成后提醒开发者 Review；它也开始支持批量处理 Copilot code review 里的多个反馈意见。

这意味着，Agent 不再只是在需求开始时生成代码，也开始进入测试失败、Lint 不过、Review 修改、PR 调整这些更碎片、更高频的研发环节。

另一个变化是任务入口也在前移。GitHub Copilot Chat 开始支持用自然语言搜索和分析 Issue；Cursor 也接入 Jira，用户可以直接把 work item 分配给 Cursor，或者在评论里 @Cursor 启动 cloud agent。

这些动作背后的共同变化是：AI Coding 正在从“生成第一版代码”，走向“处理失败与反馈”。

在真实研发里，代码写出来只是开始。大量时间其实消耗在后续的验证、修复、评审、调整和再次提交中。

未来 AI Coding 的价值，不只在于一次性生成多少代码，而在于它能不能接住研发流程里的反馈，并持续把任务推进到可合并、可验证、可交付的状态。

过去我们谈 Coding Agent，很多时候还是把它看成某个入口里的能力：IDE 里的 Agent、终端里的 Agent、网页里的 Agent，或者某个云端任务按钮。

但最近一批产品变化放在一起看，一个更清晰的方向正在出现：Agent 正在从“被调用的功能”，变成“被运行的工作单元”。

VS Code 开始提供独立的 Agents window，用来承载多个 Agent 任务；GitHub Copilot 在 JetBrains 中加入统一的 sessions view，用来观察正在运行和排队中的任务；Cursor 继续强化 Cloud Agent 的开发环境，让 Agent 可以在远程环境里跨仓库理解问题并提交修改；OpenAI 也把 Codex 接入移动端，让人可以在手机上跟进，而 Agent 在远程开发环境中继续执行。

这些变化的共同点，不是让 Agent 多一个入口，而是让 Agent 开始拥有自己的运行空间。

过去，Agent 更像是一个聊天窗口或代码生成入口。现在，它开始需要任务队列、执行环境、上下文状态、工具权限、远程机器、过程追踪、结果验证，以及人在更高层进行观察和干预的界面。

这意味着，AI Coding 的核心界面，可能不再只是编辑器里的聊天框，而是一个 Agent 执行控制台。

开发者的角色也会随之变化：不再只是和一个 Agent 一问一答，而是把任务交给多个持续运行的执行单元，再回来检查状态、收敛结果、处理异常。

Coding Agent 正在拥有自己的运行时。

它不再只是模型能力的外壳，也不只是工程系统中的一个工具入口，而开始成为一种新的研发执行单元。围绕它展开的竞争，也不再只是代码生成能力，而是运行环境、状态管理、过程可观测、权限控制和验证闭环的系统能力。

最近一个明显变化是：AI Agent 的竞争，正在从“最后能不能生成结果”，转向“中间过程能不能被管理”。

过去我们看一个 Coding Agent，最关心的是它有没有写出代码、有没有完成任务。但现在，越来越多产品开始把能力放到过程里：上下文怎么组织，计划怎么形成，记忆怎么沉淀，执行怎么追踪，结果怎么评价，工具和环境权限怎么控制。

这些东西过去更像是隐藏在 prompt、经验和人工操作里的技巧。现在，它们正在变成产品功能。

这说明 Agent 不再只是一个“代码生成入口”。它正在变成一个需要被运行、被观察、被验证、被约束的工程系统。

对 AI Coding 来说，这个变化尤其重要。因为真实研发任务不是一次生成，而是一段过程：理解输入，恢复上下文，形成任务表示，执行修改，验证结果，修正偏差。

所以，这周的 Signal 是：

未来的关键，不只是模型更会写代码，而是谁能把 Agent 的执行过程管理起来。

一个侧面依据是，近期论文和产品更新都在靠近这个方向：一边是 Agent Memory、过程型 Benchmark、形式化规格生成等研究开始增多；另一边是 Claude、VS Code、Cursor、Gemini CLI 等产品都在强化记忆、计划、追踪、评审、权限和验证能力。

最近这一轮 AI Coding 工具和模型更新里，GPT-5.5、DeepSeek V4、Codex、Cursor SDK、Copilot、Google Agents CLI 等都值得关注。

但真正值得记录的变化，不只是“模型又变强了”，而是 Coding Agent 正在被接入工程系统本身。

过去，AI Coding 更像是开发者手边的一个工具入口：可能在 IDE 里，也可能在终端、网页或云端任务界面里。开发者提出需求，Agent 修改代码、生成 PR，再由人来 Review。

现在，Agent 的位置正在继续后移：它开始进入 Issue 系统、CI/CD、云端沙箱、企业云环境、技能目录、调试链路和持续任务编排。比如，Cursor SDK 让 Agent 可以从自动化工作流、CI/CD 和产品系统中被调用；OpenAI Symphony 让 Issue 系统从“记录任务”变成“调度 Agent 执行任务”的入口；Copilot 和 Google Agents CLI 也都在把 Agent 往云端执行、技能体系和生产链路里推。

这意味着，AI Coding 的竞争正在从“谁能生成更多代码”，转向“谁能把 Agent 稳定嵌入工程系统”。

当模型能力逐渐接近，真正拉开差距的会是系统能力：任务如何进入系统，Agent 如何获得上下文，执行如何隔离，结果如何验证，风险如何治理。

AI Coding 的主战场，正在从单纯的模型能力，走向任务表达、执行环境与系统闭环。

这一周，GPT-5.5 和 DeepSeek V4 先后出现，表面看仍然是熟悉的模型竞赛：更强的代码能力、更长的上下文、更低的成本、更好的 Agent 适配。

但另一个变化也越来越明显：模型能力当然还在提升，却很难再像早期那样，仅靠一次模型发布就重新定义所有人的使用体验。真正决定 AI Coding 能不能进入研发现场的，正在变成另一组问题：模型是否能稳定接入工具，是否能消化足够上下文，是否能持续执行任务，是否能进入评审、验证和组织流程。

换句话说，模型仍然是底座，但不再是唯一主角。

AI Coding 的竞争，正在从“谁的模型更强”，逐渐转向“谁能把模型组织成一个可持续运行的研发系统”。

过去我们用 AI Coding，很多时候还是一种很熟悉的形态：
开一个窗口，盯着一个 Agent，一来一回把事情做完。

但最近一个更具体的变化是，前沿工具开始不再默认你只和一个 Agent 协作。
OpenAI 的 Codex app、VS Code Agents，以及 GitHub Copilot CLI 的 /fleet，都开始把“并行开多个 Agent session”做成产品里的标准能力。

这背后其实不是多了一个功能点，而是工作单元在变。
以前更像是：我和一个 Agent 来回协作。
现在开始变成：我同时放出几个 Agent，让它们分别研究、实现、检查，再由我回到更高一层做判断和收敛。

也就是说，AI Coding 正在慢慢从“单次对话”，走向“并行推进中的多个任务线程”。

过去一段时间，大家讨论 AI Coding，注意力大多还放在 Agent 本身：会不会拆任务、能不能把需求一路推进到可提交状态、出码率高不高。
但最近一个越来越明显的变化是，前沿工具建设者开始更关注另一层问题：什么样的系统，才能支撑 Agent 稳定把任务做完。

从 Harness、Managed Agents，到长时任务执行、状态持续、验证机制，这些话题最近不断出现，背后其实都指向同一件事：
当 Agent 开始承担更长链路的研发任务，差距开始不只在模型能力上，也在于有没有一套系统，能把任务表达、执行推进与结果校验组织起来。

收敛一点说：
前沿 AI Coding 的竞争，正在从“谁的 Agent 更能做”，转向“谁的系统更能支撑 Agent 稳定做完”。

最近有一个感觉越来越明显。

过去我们看代码仓库，更多会把它理解成实现载体。
页面、接口、状态管理、权限判断、校验逻辑、异常处理，都是为了把功能做出来，也主要服务于人理解和维护系统。

但当 AI 开始读仓库、补上下文、参与生成、调用和编排时，仓库里另一层东西也开始变得更重要：
系统里有哪些业务对象，状态怎么流转，规则和约束在哪里，一件事情要经过哪些路径才能完成。

这些东西过去当然一直就在仓库里，只是更多服务于人理解。
而现在，它们也开始成为 AI 理解业务如何在系统中被组织和完成的基础。

这可能意味着，代码仓库的价值，正在从“存放实现”延伸到“成为业务结构的来源”。

过去的软件中，界面是操作入口。
用户通过点击、输入来触发功能，执行由人驱动。

但随着 Agent 开始参与执行，这一结构正在改变。

执行开始从“被触发”，走向“持续运行”。

在这个过程中：

• CLI 的流行，本质是执行入口的压缩
• GUI 不再承担主要操作职责，而逐渐转向系统状态的观测与干预
• 在真实需求中，问题已经不再是“AI 能不能写”，而是“系统能不能稳定执行”

当执行可以持续运行之后，
软件也开始发生变化。

它不再只是被使用，
而开始被运行。

过去的软件研发中，复杂问题主要由人来承载：
系统设计、边界划分、异常处理，往往依赖经验更丰富的个体。
复杂度集中在少数人身上，也构成了组织中的关键节点。

但随着 AI 参与需求理解、任务拆解、代码生成与验证，原本由人承担的复杂度，正在被逐步外化为结构化表达，并交由系统处理。

执行复杂度，正在从人迁移到系统。

系统一旦开始接管这部分复杂度，原有基于经验和理解建立起来的能力边界，也会随之被重新定义。
变化并不首先体现在执行效率，而是体现在承载复杂度的位置发生了转移。

新的分界线也随之出现：
不再是谁更会做，而是谁能把问题转化为系统，并让系统稳定运行。

当执行复杂度被系统接管后，系统复杂度开始变得更清晰，也更关键。

最近在关注一些大厂招聘时，发现一个比较明显的变化：
AI相关能力开始进入普通软件工程岗位。

这种变化体现在几个方面：

• 面试中开始涉及大模型基础（如 Transformer 等）
• 会问到 RAG、Agent 等 AI 应用架构
• 一些岗位要求熟悉 AI coding 工具
• 岗位名称也开始发生变化，例如

AI Agent 前端开发、前端工程师 – 研发智能化、AI应用工程师

更有意思的是，这些岗位往往并不在 AI 研究团队，而是出现在业务研发团队或工程团队中。

从面试内容来看，这些问题大致可以分为三个层次：

基础层

理解大模型基本原理，例如：

• Transformer
• Token / Attention
• Embedding

这一层更像是对新基础设施的理解。

应用层

如何在系统中使用 AI，例如：

• RAG
• Prompt
• Agent
• LLM应用架构

这一层开始进入 AI 工程实践。

系统层

AI开始参与软件系统本身，例如：

• AI coding workflow
• Agent系统
• AI参与研发流程

这一层已经接近 AI-native software engineering。

这些变化可能意味着一个更深的趋势：

AI 不再只是一个独立领域，而正在逐渐成为软件工程的一部分。

当 AI 开始参与代码生成、任务执行甚至研发流程时，开发者的能力结构也在随之扩展。

某种意义上，软件工程岗位正在逐步走向 AI-native。

近期，多种 AI 工具开始引入长期记忆能力，AI 的交互模式正在从“无状态对话”逐渐走向“持续状态协作”。

例如：

• Anthropic 在 Claude 中加入自动记忆功能，使系统能够在长期任务中自动记录用户偏好与关键上下文。《How Claude remembers your project》
• Visual Studio Code 在 1.110 版本中引入 Session Memory，使 AI Agent 能够在多轮交互中持续保存计划与执行指引。《February 2026 (version 1.110)》
• 在 Agent 框架领域，诸如 Mem0 等记忆系统也逐渐成为基础组件，用于实现跨会话、跨 Agent 的长期知识管理。《别再硬扛原生记忆了！OpenClaw内置Mem0，让Agent更省token、更智能》

这些变化背后的共同趋势是：

随着 AI 开始承担越来越多的长期任务与复杂协作，系统需要具备持续记忆能力，以避免每次交互都从零开始。

在这种情况下，AI 工具的交互模式也正在发生变化——
从一次性的“无状态交互”，逐渐演变为具备持续上下文的“持续状态系统”。

长期记忆的引入，也为 AI 作为长期工作助手和复杂任务执行者提供了重要基础能力。

近期出现的一组迹象显示，AI 编程正在从“工具辅助”阶段，逐步迈向由 Agent 主导的连续软件工程执行。

• Anthropic 在《2026 Agentic Coding Trends Report》中提出，AI 编程正在从辅助编码阶段演进为由 Agent 主导的软件工程流程。
• 与此同时，智谱在《GLM-5: from Vibe Coding to Agentic Engineering》中也提出类似判断，认为 AI 编程正在从“Vibe Coding”阶段迈向“Agentic Engineering”。
• 在实际工程实践中，Cloudflare 在博文《How we rebuilt Next.js with AI in one week》中介绍，一名工程师借助 AI 模型仅用一周时间，基于 Vite 重构 Next.js 并实现实验性框架 vinext。这一案例表明，在完备的开发环境与工具链条件下，AI Agent 已经能够参与大型代码重构，从框架级别到部署流程完成较为完整的软件工程执行。

这些迹象共同指向一个变化：

AI 不再只是提升单点编码效率，而是开始逐步参与软件研发中的连续执行过程，推动研发从局部自动化走向端到端自动化。